ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI KEBERHASILAN MAHASISWA POLITEKNIK (Studi Kasus Mahasiswa Tata Niaga Polban)

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI KEBERHASILAN MAHASISWA POLITEKNIK (Studi Kasus Mahasiswa Tata Niaga Polban)"

Transkripsi

1 60 ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI KEBERHASILAN MAHASISWA POLITEKNIK (Stud Kasus Mahasswa Tata Naga Polba ANALYSIS OF FACTORS AFFECTING POLYTECHNIC STUDENT SUCCESS (Case Study Studet of Tata Naga Polba Agus Barto da Eus Sartka (Staf Pegaar UP MKU Poltekk Neger Badug ABSTRAK Keberhasla stud mahasswa dalam belaar d Poltekk Neger Badug dtetuka oleh keberhasla setap mahasswa pada setap semester. Metode yag dguaka dalam megaalss faktor-faktor yag memegaruh keberhasla mahasswa Poltekk Neger Badug adalah Aalss Regres Logstk. Aalss Regres Logstk dguaka utuk memerksa hubuga atara peubah respo yag berupa peubah kualtatf, yatu peubah berskala omal atau ordal dega peubah-peubah peelas (predctor yag bsa terdr atas peubah kualtatf maupu kuattatf. Peubah respo dalam regres logstk dapat berupa peubah dkotom (ber maupu poltom (ordal atau omal. Kata kuc: Aalss regres logstk, peubah respo, peubah peelas. ABSTRACT Study of studet success learg Badug State Polytechc determed by the success of every studet every semester. The method used aalyzg the factors that fluece the success of Badug State Polytechc studet s Logstc Regresso Aalyss. Logstc regresso aalyss s used to exame the relatoshp betwee the respose varable the form of qualtatve varables, e omal or ordal scale varables wth explaatory varables (predctors whch ca cosst of both qualtatve ad quattatve varables. Respose varable logstc regresso ca be dkhotom varables (bary or poltom (ordal or omal. Keywords: Logstc regresso aalyss, varable respose, the explaatory varables.

2 Aalss Faktor-faktor yag Memegaruh 6 Keberhasla Mahasswa Poltekk (Stud Kasus Mahasswa Tata Naga Polba PENDAHULUAN Peddka d poltekk merupaka alur peddka vokas yag membekal lulusaya dega keterampla, ddukug pegetahua teorts da skap dspl yag tagguh. Alum poltekk dharapka mead teaga vokasoal d bdagya, khususya d bdag rekayasa da tata aga. Pegkata kualtas lulusa pergurua tgg d Poltekk Neger Badug sagat bergatug pada tga faktor utama, yatu put (calo mahasswa, proses peddka, da kompetes lulusa. Ketga hal tersebut mead sasara utama dalam pegkata mutu lulusa d Poltekk Neger Badug (Polba. Pada evaluas akhr semester, dtetapka mahasswa yag berhasl lulus dapat melautka kulah ke semester berkutya da mahasswa, yag tdak lulus, tdak dapat melautka ke semester berkutya (drop out. Pada dasarya, setap pergurua tgg berusaha semaksmal mugk megkatka kelulusa para mahasswaya, bak secara kuattas maupu kualtas. Secara kuattas, umlah mahasswa yag masuk / terdaftar sama dega umlah mahasswa yag lulus, berart tdak ada yag DO. Secara kualtas, dharapka mahasswa lulus dega la IPK yag maksmal da lulus tepat waktu. Terkat dega proses belaar mahasswa, teryata bayak hal yag dapat memegaruh keberhasla mahasswa sehgga mahasswa dapat melautka ke semester berkutya. Faktor-faktor yag memegaruh keberhasla mahasswa bsa berasal dar dalam dr mahasswa sedr atau faktor teral da faktor dar luar mahasswa atau faktor eksteral. Faktor-faktor yag dbawa sebelum masuk Polba atau faktor teral, atara la la NEM, latar belakag orag tua, asal daerah. Faktor dar luar mahasswa atau faktor eksteral, atara la lgkuga belaar bak d kampus maupu d rumah, lgkuga pergaula, termasuk mekasme belaar megaar. Peelta aka dka faktorfaktor apa saa yag memegaruh keberhasla stud mahasswa Polba. Pada peelta sebelumya, terdapat seumlah hasl yag meuukka faktor-faktor yag memegaruh keberhasla stud mahasswa. D atara faktor-faktor tersebut, sebaga dguaka sebaga peubah-peubah peelas dalam peelta. D ataraya adalah faktor asal daerah, la NEM, da es kelam (Hadaya 996 dalam Sr Rezek. Peelta yag dlakuka oleh Agus Barto da Eus Sartka (200 meuukka bahwa IP semester I, es kelam, da program stud memegaruh keberhasla mahasswa dalam studya d Poltekk Neger Badug. Dalam kods yata, formas yag utuh (legkap sagat dbutuhka dalam aalss statstka. Pada keyataaya, sagat sedkt data yag terseda dalam kods utuh (kods deal. Utuk tu, dperluka adaya sebuah metode (pedekata yag mampu memmalka error akbat kesalaha pegambla kesmpula oleh peelt,

3 62 Sgma-Mu Vol.4 No. Maret 202 yag dakbatka data tdak utuh (tdak legkap. Megea keberhasla mahasswa Polba, aka dperhatka mahasswa yag bertaha (tdak DO da mahasswa yag tdak bertaha (DO, maka aalss yag tepat utuk respo demka adalah Regres Logstk. Perumusa Masalah Permasalaha dalam peelta adalah. faktor-faktor apa yag memegaruh keberhasla mahasswa Polba (Stud Kasus Mahasswa Tata Naga Agkata 2005 sampa dega Agkata 200 bak faktor teral maupu eksteral. 2. membadgka keberhasla mahasswa Polba (Stud Kasus Mahasswa Tata Naga Agkata 2005/2006 da 2006/2007 dega Agkata 2008/2009 da 2009/200. Tuua Peelta Tuua peelta adalah. megdetfkas faktor-faktor yag memegaruh keberhasla mahasswa Tata Naga Polba selama studya; 2. meduga parameter model yag aka memperlhatka berbaga karakterstk yag berpegaruh yata terhadap keberhasla mahasswa Tata Naga Polba. Mafaat Peelta Peelta dharapka dapat member mafaat sebaga berkut.. Acua bag Polba utuk megambl kebaka berkata dega kemaua peddka d Poltekk, khususya yag berkata dega pegkata kualtas da kuattas kelulusa. 2. Masuka bag POLBAN utuk meetuka kebaka peermaa mahasswa baru, terutama yag berkata dega mater ua seleks masuk POLBAN agar lebh berkualtas sehgga dharapka proses seleks lebh kompettf utuk memperoleh mahasswa yag memlk kemampua optmal. 3. Masuka bag POLBAN utuk meetuka kebaka atau perlakua khusus berkata dega evaluas mahasswa, terutama mahasswa yag memlk karakterstk tertetu agar Polba dapat megkatka agka kelulusa mahasswaya. TINJAUAN PUSTAKA. Aalss Regres Logstk Aalss Regres Logstk dguaka utuk memerksa hubuga atara peubah respo yag berupa peubah kualtatf, yatu peubah berskala omal atau ordal dega peubah-peubah peelas (predctor yag bsa terdr atas peubah kualtatf maupu kuattatf. Peubah respo dalam regres logstk dapat berupa peubah dkotom (ber maupu poltom (ordal atau omal. Msalka, data hasl pegamata mempuya peubah peelas yag dyataka oleh vektor x = (X,X 2,..., X yag berpasaga dega peubah respo Y yag berla da 0. Nla peubah y= meyataka bahwa respo memlk krtera yag dharapka da y=0 tdak

4 Aalss Faktor-faktor yag Memegaruh 63 Keberhasla Mahasswa Poltekk (Stud Kasus Mahasswa Tata Naga Polba memlk krtera yag dharapka, maka peubah respo Y memlk sebara Beroull dega parameter π (x da fugs sebara peluagya adalah f ( y ( x ( ( x ( y y Model Regres Logstk atara (x dega x adalah exp( g( x ( x (2 exp( g( x Fugs regres d atas berbetuk curvlear. Dega trasformas logt, curvlear tersebut aka mead fugs lear (Agrest 996. Model Logt metrasformas masalah predks peluag dega rage (0, mead masalah predks log odds dega rage (0,. Trasformas Logt dyataka dalam persamaa berkut. (x log ( (x l g(x (3 (x dega g (x (4 0 X 2X2... X merupaka logt (Hosmer & Lemeshow Jad, ( x logt ( ( x l g( x ( x Betuk (4 dapat uga dtuls sebaga g( x 0 x... sehgga persamaa (2 dapat dotaska mead x 0 x da - ( x (x exp( exp( 0 0 exp( x 0 x Selautya, karea ada pegamata (x,y yag dasumska bebas, utuk meduga parameter (β 0, β,..., β dlakuka dega metode kemugka maksmum sebaga berkut. l( f (y, y2,..., y f (y y f (y y (x ( (x L( L( (x L( L( l(l( l y l y l( x y (x ( (x y (( y l( y l( y Fugs L(β tersebut dturuka terhadap parameter β 0, β,..., β sehgga dperoleh sstem persamaa dferesal yag bsa dselesaka dega cara teras. Setelah dperoleh la dugaa β 0, β,..., β, dapat dperoleh peduga dar π(x dega persamaa

5 64 Sgma-Mu Vol.4 No. Maret 202 dega exp( g( x ( x exp( g( x g( x 0 x... X merupaka peduga logt yak fugs lear dar peubah peelas (Hosmer & Lemeshow Pegua Kesesuaa Model Pegua kesesuaa model dlakuka dega memerksa peraa peubah-peubah peelas dalam model. Pegua dlakuka terhadap parameter model (β. Pegua secara smulta (melbatka seluruh peubah peelas dlakuka dega megguaka u sbah kemugka (lkelhood rato test atau u-g. U-G dguaka utuk pegua parameter β dega hpotess sebaga berkut. H 0 : β = β 2 =... = β p =0 H : mmal ada satu β yag tdak sama dega ol Statstk u yag dguaka adalah statstk G : G 2 l lkelhoodtapapeubah peelas lkelhooddega peubah peelas Statstk U- G secara teorts megkut sebara 2 dega deraat bebas k. Krtera keputusa yag dambl adalah meolak H 0, \ ka G htug 2 ( k (Hosmer & Lemeshow Apabla pada U G, H 0 dtolak, lautka dega U-Wald yag dguaka utuk megu parameter β secara parsal (tuggal. Hpotess yag aka du adalah H 0 : β = 0 H : β 0 =,2,...,k Statstk u Wald adalah : W SE( Secara teor, statstk W megkut sebara ormal baku dega krtera keputusa adalah meolak H 0 ka W Z α/2 atau la p α. 3. Pereduksa Peubah Peelas Pereduksa peubah dalam regres logstk dkeal sebaga aalss regres logstk bertatar (stepwse logstc regresso dega lagkah yag dlakuka adalah meambah da megurag peubah-peubah peelas satu dem satu dar model sampa ddapatka model dega peubah-peubah peelas yag mempuya pegaruh sgfka. Aalss regres logstk bertatar (stepwse logstc regresso terdr atas forward selecto da backward elmato. Dalam metode forward selecto, prosedur dmula dega tersep kemuda peubah peelas dmasukka satu per satu ke dalam model da du dega u Kh-Kuadrat. Apabla peubah peelas tdak sgfka pada la α yag dtetuka, peubah dkeluarka dar model. Aka tetap, peubah peelas yag sgfka aka dmasukka ke dalam model. Dalam metode backward elmato, prosedur dmula dega memasukka semua peubah peelas ke dalam model kemuda peubah du satu per satu dega u Kh-Kuadrat. Peubah

6 Aalss Faktor-faktor yag Memegaruh 65 Keberhasla Mahasswa Poltekk (Stud Kasus Mahasswa Tata Naga Polba peelas yag tdak sgfka pada la α yag dtetuka dkeluarka dar model, sedagka peubah peelas yag sgfka tetap berada dalam model (Gozales Tekk pereduksa peubah peelas telah terseda dalam paket pegolaha komputer. Dalam peelta, metode pereduksa yag dguaka adalah backward elmato. METODOLOGI PENELITIAN Data Peelta Peelta megguaka data sekuder yag dperoleh dar baga Akadems Polba. Sebaga pedukug, dguaka data prmer dalam betuk kuesoer yag dperoleh dar respode mahasswa Tata Naga agkata 2005/2006, 2006/2007, 2008/2009, da 2009/200. Defs Peubah yag Damat Utuk lebh memperelas pegerta peubah peelas da peubah respo (outcome varable yag damat dalam peelta, d bawah dsaka defs operasoal peubah da cara megukurya.. Keberhasla mahasswa Pada regres logstk ber, peubah respo adalah Katagor ber yak mahasswa tdak berhasl (DO dega Katagor la da mahasswa berhasl (tdak DO dega Katagor la adalah 0. Peubah dukur seak mahasswa terdaftar sebaga mahasswa Polba secara akadems sampa teradya perubaha status akadems (DO/tdak DO selama kuru waktu dua tahu atau empat semester. Satua pegukuraya adalah semester. Mahasswa dkataka gagal (falure ka status akademk mahasswa megalam perubaha dar mahasswa aktf mead gagal (tdak berhasl / DO. Mahasswa dkataka berhasl (success ka mahasswa aktf sampa waktu peelta berakhr. 2. Jes Kelam Dar peelta sebelumya, peubah es kelam memegaruh keberhasla mahasswa. Mahasswa Polba khususya Tata Naga ddomas oleh kaum perempua. Pegelompokaya adalah es kelam lak-lak dber la Katagor da la Katagor 0 utuk perempua. 3. Program Stud Poltekk Neger Badug terdr atas dua bdag, yak rekayasa da tata aga. Fokus dalam peelta adalah mahasswa urusa Tata Naga dega lma program stud, melput ( Akutas, (2 Keuaga da Perbaka, (3 Admstras Bss da (4 Maaeme Pemasara. (5 Usaha Peralaa Wsata. Program stud Tata Naga Program D-4 tdak dlbatka karea mash daggap baru sehgga belum devaluas. Begtu uga dega Usaha Peralaa Wsata (UPW tdak dsertaka karea mata kulah Matematka Bss sudah dtadaka. 4. Nla Ideks Prestas (IP Semester Satu.

7 66 Sgma-Mu Vol.4 No. Maret 202 Ideks Prestas adalah prestas akademk yag dcapa mahasswa. IP merupaka la tap mata kulah yag dambl pada semester satu dega memperhtugka umlah kredt masg-masg mata kulah. IP semester satu sagat berkata dega keberhasla mahasswa. Mahasswa, yag mempuya la tgg pada semester satu, mempuya kecederuga memlk tgkat keberhasla yag tgg pada semester berkutya. Nla IP semester merupaka data kotu atau data kuattatf yag dalam peelta tdak megalam pegelompoka. 5. Nla Skor Ua Seleks Masuk Polba yag dambl adalah skor total yag terdr atas la mata pelaara Matematka, Bahasa Iggrs, Bahasa Idoesa, da Ekoom. Nla Skor Total Seleks Masuk Polba uga merupaka data kotu (kuattatf ad tdak dkelompokka. 6. Asal Daerah Dar peelta sebelumya, peubah peelas asal daerah dduga memegaruh keberhasla mahasswa. Pegelompokaya adalah kota Badug dber la Katagor da la Katagor 0 utuk luar Badug. 7. Rata-rata NEM. Rata-rata NEM merupaka data kotu (kuattatf ad tdak dkelompokka. 8. Nla Matematka Semester Satu Nla Matematka Semester Satu merupaka data ordal sehgga dalam peelta megalam pegelompokka sebaga berkut. 4 pegodea utuk la A 3 pegodea utuk la B 2 pegodea utuk la C pegodea utuk la D Secara gars besar, tabel aka member formas lebh elas megea peubah peelas yag damat, Tabel Peubah-peubah Peelas yag Damat Notas Peubah Katagor X Jes kelam ( Lak-lak (0 perempua X 2 Program Stud X 3 Nla IP Smt I X 4 Nla Ua Masuk X 5 Asal Daerah X 6 X 7 Rata-rata NEM Nla Matematka Smt I (Akutas (2Keuaga da Perbaka (3Admstra s Bss (4Maaeme Pemasara (Badug (0Luar Badug (4 Nla A (3 Nla B (2 Nla C ( Nla D

8 Aalss Faktor-faktor yag Memegaruh 67 Keberhasla Mahasswa Poltekk (Stud Kasus Mahasswa Tata Naga Polba Metode Peelta Lagkah-lagkah peelta.. Melakuka eksploras data bak data prmer, maupu data sekuder. 2. Medeskrpska data tersebut ke dalam betuk tabel berdasarka peubah-peubah yag damat. 3. Pemlha model dlakuka dega megguaka metode backward elmato. 4. Megaalss data melput pedugaa parameter peubah peelas yag memegaruh keberhasla mahasswa dega regres logstk. PEMBAHASAN Peelta megguaka data prmer da data sekuder. Data sekuder berupa data mahasswa Tata Naga agkata 2005/2006, 2006/2007 da agkata 2008/2009, 2009/200 yag dperoleh dar baga Akadems Polba. Alasa pegambla agkata 2005/2006 da 2006/2007 dsebabka agkata tersebut mempuya umlah mahasswa DO tertgg. Pegambla data agkata 2008/2009 da 2009/200 ddasarka alasa mahasswa agkata 2008/2009 mash berala, da agkata 2009/200 sudah selesa sehgga daggap mahasswaya sudah berhasl. Alasa la adalah agar model yag dbuat dapat dguaka utuk mempredks keberhasla mahasswa agkata terbaru atau tepatya data lebh bersfat up to date. Hasl aalss regres logstk data sekuder mahasswa Tata Naga Agkata 2005/2006 da 2006/2007 dyataka dalam tabel 2. Dega megambl la α=0,, dapat dsmpulka bahwa faktorfaktor yag memegaruh keberhasla mahasswa Polba Tata Naga adalah Jes Kelam, Program Stud, Nla IP semester I, da Rata-rata la NEM karea la probabltas (sgfkas kurag dar 0,. Nla peduga parameter (koefse β semuaya postf kecual Program Stud Akutas da Program Stud Maaeme Pemasara. Nla koefse β yag egatf megdkaska bahwa peambaha la peubah peelas dalam model aka meuruka la rsko gagal. Sebalkya, la koefse β postf megdkaska bahwa setap keaka la peubah peelas aka meakka rsko kegagala. Pada Tabel 2, dperlhatka mahasswa dega es kelam perempua bersko atara,36 sampa dega 6,323 kal utuk gagal (DO dbadgka mahasswa lak-lak. Berdasarka la Raso Odds yatu 2,885, dapat dartka bahwa mahasswa beres kelam lak-lak mempuya rsko gagal sebesar 0,3466(/2,885 kal mahasswa perempua. Berdasarka tabel 2, model Regres Logstk yag dberka adalah Logt ( 2,322X3 6,629,060X 0,352X6 0,480X2

9 68 Sgma-Mu Vol.4 No. Maret 202 Tabel 2 Hasl Pegolaha Regres Logstk Data Sekuder Mahasswa Tata Naga Agkata 2005/2006 da 2006/2007 Peubah β SE Wald df Sg. Exp(β 95.0% CI for Exp(B Lower Upper JENKEL(,060,400 7,004 0,008 2,885,36 6,323 Progstud 9,24 4 0,055 Progstud( -0,048 0,758 0,004 0,950 0,953 0,26 4,22 Progstud(2,085 0,748 2,03 0,47 2,959 0,683 2,825 Progstud(3 0,629 0,962 0,427 0,53,875 0,285 2,346 Progstud(4-0,492 0,668 0,542 0,462 0,62 0,65 2,264 IPSEMSAT 2,322 0,464 24,996 0,000 0,95 4,03 25,333 RATANEM 0,352 0,27 7,639 0,006,42,08,824 Costat -6,629,62 6,903 0,000 0,00 Hasl Berdasarka Tabel Klasfkas Klasfkas metode Regres Logstk dtuukka dalam tabel 3. Dalam tabel tersebut, dperlhatka bahwa dega megguaka la cutpot sebesar 0,5, dperoleh la sestvty sebesar 99,6% da la specfcty sebesar 25%. Meurut Hosmer & Lemeshow (2000, salah satu ukura kebaka model dalam Regres Logstk adalah ka memlk peluag salah klasfkas yag mmal. Jad, berdasarka hasl dalam tabel 3, dapat dsmpulka bahwa model d atas sudah bak karea memlk la kesalaha klasfkas yag mmal yak 6,49%. Tabel 3 Tabel Klasfkas Regres Logstk Mahasswa Tata Naga Agkata 2005/2006 da 2006/2007 Amata Dugaa DO TIDAK DO Total Percetage Correct DO TIDAK DO ,6 Total ,8 Msclassfcato rate (%,53% 4,96% 6,49%

10 Aalss Faktor-faktor yag Memegaruh 69 Keberhasla Mahasswa Poltekk (Stud Kasus Mahasswa Tata Naga Polba Sebaga pembadg, berkut adalah hasl pegolaha data mahasswa Tata Naga Agkata 2008/2009 da 2009/200. Tabel 4 Hasl Regres Logstk Mahasswa Tata Naga Agkata 2008/2009 da 2009/ % CI for Peubah β SE Wald df Sg. Exp(β Exp(B Lower Upper JENKEL(,980,22 2,63 0,05 7,246 0,662 79,36 IPSEMSAT 3,030,9 2,55 0,3 20,693 0, ,343 NILMAT -,827,050 3,028 0,082 0,6 0,02,260 Costat 0,332 3,608 0,008 0,927,394 Hasl aalss regres logstk data sekuder mahasswa tata aga agkata 2008/2009 da 2009/200 dyataka dalam tabel 4. Dega la α=0,, dapat dsmpulka bahwa faktor-faktor yag member pegaruh sgfka terhadap keberhasla mahasswa Polba adalah la Matematka. Hal dtuukka dega la probabltas (p yag kurag dar 0,, sedagka faktor-faktor la yak, asal daerah, la ua masuk, da la matematka kurag member pegaruh sgfla karea la p > 0,. Semua la peduga parameter (β postf kecual peubah Nla Matemtka berla egatf. Nla koefse β yag egatf megdkaska bahwa peambaha la peubah peelas dalam model aka meuruka la rsko gagal. Sebalkya, la koefse β postf megdkaska bahwa setap keaka la peubah peelas aka meakka rsko kegagala. Pada tabel 4, dperlhatka mahasswa dega es kelam perempua bersko atara 0,662 sampa dega 79,36 kal utuk gagal (DO dbadgka mahasswa lak-lak. Berdasarka la raso odds-ya yatu 7,246, dapat dartka bahwa mahasswa dega es kelam lak-lak mempuya rsko gagal 3,8(/7,246 kal mahasswa perempua. Hal dapat dpaham karea umlah mahasswa perempua d Tata Naga lebh doma. Jad, kecederuga mahasswa lak-lak utuk gagal kecl. Berdasarka tabel 4, model Regres Logstk yag dberka adalah exp(0,332,827 X 7 exp(0,332,827 X 7 atau dtuls dalam betuk Logt ( 0,332,827 X 7 Hasl Berdasarka Tabel Klasfkas Klasfkas metode Regres Logstk dtuukka dalam tabel 5. Dalam tabel tersebut, dperlhatka bahwa dega megguaka la cutpot sebesar 0,5, dperoleh la sestvty sebesar 00% da la specfcty sebesar 0%. Meurut Hosmer & Lemeshow (2000, salah satu ukura kebaka model dalam Regres Logstk adalah ka memlk peluag

11 70 Sgma-Mu Vol.4 No. Maret 202 salah klasfkas yag mmal. Jad, meurut hasl dalam tabel 0, dsmpulka bahwa model d atas sudah bak karea memlk la kesalaha klasfkas yag mmal yak 0,957%. Tabel 5 Tabel Klasfkas Regres Logstk Mahasswa Tata Naga Agkata 2008/2009 da 2009/200 Amata Dugaa DO TIDAK DO Total Percetage Correct DO TIDAK DO Total Msclassfcato rate (% 0% 0,9575% 0,957% Berdasarka data sekuder, umlah mahasswa agkata 2008/2009 da 2009/200 yag gagal sagat sedkt dbadgka agkata 2005/2006 da 2006/2007 sehgga hasl olah data memperlhatka perbedaa yag cukup auh dega agkata 2005/2006 da 2006/2007. SIMPULAN Berdasarka aalss data, dperoleh smpula sebaga berkut.. Mahasswa Tata Naga agkata 2005/2006 da 2006/2007 mempuya kecederuga gagal (DO lebh tgg dbadgka dega agkata 2008/2009 da 2009/ Berdasarka hasl Regres Logstk, peubah peelas yag memegaruh keberhasla mahasswa Polba Tata Naga dalam studya agkata 2005 da 2006 adalah faktor Jes Kelam, Program Stud, Nla IP semester I, da rata-rata la NEM. Pada agkata 2008 da 2009, faktor yag palg berpegaruh terhadap keberhasla mahasswa Polba adalah la Matematka semester I dalam hal mata kulah Matematka Bss. SARAN Sara yag dapat dberka adalah sebaga berkut.. Baha aar yag berkualtas sagat dbutuhka karea hal sagat memotvas mahasswa utuk membatu pemahama. 2. Dseleggarakaya pelatha metodolog pegaara bag dose Polba. 3. Para dose dsaraka member latha da tugas bak peroraga maupu kelompok sehgga memudahka mereka utuk memaham mater yag dsampaka karea sela memotvas mereka utuk belaar, mereka dapat

12 Aalss Faktor-faktor yag Memegaruh 7 Keberhasla Mahasswa Poltekk (Stud Kasus Mahasswa Tata Naga Polba berkomukas da berdskus dega tema dega memafaatka fasltas belaar yag ada d Polba. DAFTAR PUSTAKA Agus Barto, Eus Sartka. 20. Pemodela Daya Taha Mahasswa Poltekk Dega Megguaka Aalss Survval, Sgma-Mu, Vol.3 No. Maret 20. Badug: POLBAN Agrest A A Itroducto to Categorcal Data Aalyss. New York: Joh Wley ad Sos. Aderso S Statstcal Methods for Comparatve Studes. Techques for Bas Reducto. New York: Joh Wley & Sos Ic. [DEPDIKNAS] Departeme Peddka Nasoal Republk Idoesa Strateg Peddka Jagka Paag , Buku Pedukug HELTS Drektorat Jedral peddka Tgg. Hosmer DW, Lemeshow Appled Logstc Regresso, New York: Joh Wley ad Sos. Rezek S Kaa Daya Taha Mahasswa FMIPA-IPB yag Berprestas Redah d TPB dega pedekata Regres Cox, (Tess Bogor: Pascasaraa, IPB. Suryabrata S Proses Belaar Megaar d Pergurua Tgg, Yogyakarta: Ad Offset. Wdyat H Pemodela Keberhasla Stud Mahasswa Statstka FMIPA IPB Agkata , (Skrps Bogor: FMIPA Isttut Pertaa Bogor. [ITB] Isttut Tekolog Badug 997. Buku Padua Poltekk Neger Badug, Gozales MP A Model for Proflg Rado Stato Lsteers usg Logstc Regresso, CART ad CHAID for a gve data set. Uversty of the Phlppes.

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

II. TINJAUAN PUSTAKA Pendidikan Politeknik

II. TINJAUAN PUSTAKA Pendidikan Politeknik 6 II. TINJAUAN PUSTAKA.. Peddka Poltekk Peddka Poltekk merupaka alur peddka profesoal a membekal lulusaa dea keterampla, peetahua teor da skap dspl a t. Poltekk membekal mahasswaa dsamp kemampua Hardskll

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa

Lebih terperinci

MODUL ANALISIS REGRESI DAN KORELASI

MODUL ANALISIS REGRESI DAN KORELASI ANALISIS REGRESI DAN KORELASI MODUL 13 ANALISIS REGRESI DAN KORELASI Dalam kehdupa sehar-har, sergkal djumpa hubuga atara suatu varabel dega satu atau lebh varabel la. D dalam bdag pertaa sebaga cotoh,

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB III METODE PENELITIAN A.

BAB III METODE PENELITIAN A. BAB III METODE PENELITIAN A. Tempat da Waktu Peelta 1. Tempat Peelta Peelta dlaksaaka d SMA Neger 5 Surakarta yag beralamat d Jala Lete Sutoyo No. 18, Nusuka, Baarsar, Jawa Tegah kode pos 57135. Pemlha

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jes Peelta Dalam pelta peelt megguaka racaga eksperme. Eksperme adalah observas dbawah kods buata (artfcal codto), dmaa kods tersebut dbuat da d atur oleh s peelt. Dega

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

JIIA, VOLUME 3 No. 2, APRIL 2015

JIIA, VOLUME 3 No. 2, APRIL 2015 DETERMINAN KEPUTUSAN PETANI TERHADAP KONVERSI LAHAN SAWAH MENJADI PERMUKIMAN (Determats of Farmers Decso for Rce-Feld Coverso to Housg) Umyat Kulsum, Bustaul Arf, Zaal Abd Jurusa Agrbss, Fakultas Pertaa,

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk BAB III METODOLOGI PENELITIAN A. Metode Peelta Metode peelta sagat dperluka dalam sebuah peelta utuk memaham suatu objek peelta da utuk medapatka sejumlah formas tetag masalah pokok yag aka dpecahka. Ada

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

Analisis Regresi dan Korelasi

Analisis Regresi dan Korelasi Metode Statstka Pertemua III Aalss Regres da Korelas Pegatar Apa tu aalss regres? Apa edaya dega korelas? Aalss Regres Aalss statstka yag memafaatka huuga atara dua atau leh peuah kuattatf sehgga salah

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci